《Supportive Care in Cancer》：A machine learning approach to profiling anxiety risk among cancer patients on treatment
编辑推荐：
目的：既往文献已识别出癌症个体焦虑的多种危险因素，但诸多相互关联变量间的相对重要性尚不清楚。此外，心理社会因素与人口学/临床特征如何共同增加个体焦虑易感性亦未知。本研究旨在系统检验：（1）焦虑的最佳预测因子；（2）区分高与低焦虑的最佳性能分类器；（3）加剧个体
目的：既往文献已识别出癌症个体焦虑的多种危险因素，但诸多相互关联变量间的相对重要性尚不清楚。此外，心理社会因素与人口学/临床特征如何共同增加个体焦虑易感性亦未知。本研究旨在系统检验：（1）焦虑的最佳预测因子；（2）区分高与低焦虑的最佳性能分类器；（3）加剧个体焦虑易感性的心理社会特征与人口学/临床特征的最具信息量的组合。方法：研究人员采用机器学习（ML）模型。针对目的1，研究人员使用正则化回归、广义相加模型（GAMs）与最佳子集选择模型检验焦虑预测因子。针对目的2，检验的分类器包括支持向量机（SVM）、随机森林、最近邻与极端梯度提升（XGBoost）以预测高 versus 低焦虑。针对目的3，训练梯度提升决策树模型以检视候选预测因子的最重要组合。研究人员使用SHapley Additive exPlanations（SHAP）提升ML模型的可解释性。结果：在五个插补数据集上，以线性回归为主要基准（MSE?=?69.945?±?8.131；MAE?=?6.636?±?0.361），弹性网络显示最低的平均预测误差（MSE?=?65.486?±?8.323；MAE?=?6.504?±?0.357），尽管基于预测因子的模型间差异较小。对于分类器，随机森林达到最高平均准确率（0.751?±?0.015），kNN达到最高PR-AUC（0.797?±?0.016），logistic回归达到最高ROC-AUC（0.835?±?0.005）。参与自我效能是各模型中最一致的焦虑关键预测因子。人口学与心理社会/症状变量的最重要风险组合包括年龄–症状沟通障碍、年龄–癌症应对自我效能、ECOG功能状态–抑郁症状、帮助者类型–心理健康、教育程度–心理健康。结论：研究结果可为临床环境的风险分层提供信息，并促进旨在缓解癌症患者焦虑的个性化干预设计。
该研究发表于《Supportive Care in Cancer》。癌症诊断作为严重生活应激源可诱发焦虑、加剧不确定感并引发显著角色改变，约四分之一患者存在临床显著焦虑症状，其不仅与较低治疗依从性及更差癌症结局相关，还可演变为适应不良应对与回避行为，损害心理健康并贡献于更差生存与总体生活质量，但在常规癌症照护中焦虑常被低估，早期识别高危患者并转介心理社会服务至关重要。既往证据表明焦虑预测因子横跨生物、疾病特异、治疗相关与心理社会领域，但发现因人群与研究设计而异，且现有证据未明确多预测因子同时考量时最具信息量者，亦不明人口学与临床特征如何修饰心理社会风险。传统统计方法虽利于假设检验，却较难评估大量相关候选预测因子以提升预测性能或检测复杂非线性与交互模式，而机器学习可互补传统方法，聚焦样本外预测性能、纳入可能共同贡献于焦虑风险的复杂预测因子集并探索未预先充分设定的非线性或交互模式，因此研究人员应用机器学习策略支持自动特征选择、降低模型复杂度并识别关键预测因子，综合评估治疗期成人癌症患者焦虑的潜在预测因子，包括社会人口学、疾病与治疗相关因素、症状及心理社会变量，旨在识别最强焦虑预测因子、区分高低焦虑的最佳性能分类器，以及加剧个体焦虑易感性的心理社会特征与人口学/临床特征的最具信息量组合。
研究人员开展研究用到的主要关键技术方法如下：研究为一项受资助随机对照试验（PCORI ID: CE-12-11-4025）的二次分析，样本为534例癌症患者，原始研究纳入有症状（22项癌症相关症状中至少2项评分≥4/10）、剩余治疗≥3次、可读懂英语、Eastern Cooperative Oncology Group（ECOG）功能状态评分<2、简短便携式精神状态问卷评分>8者，排除非黑色素瘤皮肤癌、术后6周内、计划夏季离开佛罗里达、接受临终关怀、意识模糊或预期寿命≤3个月者。变量包括以状态-特质焦虑量表（STAI）（State）测量的焦虑结局，以及人口学、临床、症状、心理社会等33项候选预测因子。缺失数据（0.0%–5.4%）采用链式方程多重插补（mice包）生成5个插补数据集，假定随机缺失。针对目的1，比较普通最小二乘（OLS）线性回归、最佳正则化回归、广义相加模型（GAMs）、最佳子集选择的预测性能（MSE、MAE），用自适应最佳子集选择（ABESS）检视变量重要性；目的2将STAI按32.2切分为高/低焦虑，比较SVM、随机森林、k最近邻（kNN）、XGBoost、logistic回归的分类性能（准确率、PR-AUC、ROC-AUC），并以40为切点敏感性分析；目的3用梯度提升决策树模型，以SHapley Additive exPlanations（SHAP）与基于树的SHAP交互值解释模型并量化预测因子交互，按平均绝对交互值排序跨域交互，各插补数据集按80/20分为训练与留一测试集，训练集内五折交叉验证调参与特征选择，在测试集评估最终性能并聚合五插补数据集结果。
研究结果如下：
Across five imputed datasets, using linear regression as the primary benchmark (MSE?=?69.945?±?8.131; MAE?=?6.636?±?0.361), elastic net showed the lowest average prediction error (MSE?=?65.486?±?8.323; MAE?=?6.504?±?0.357), although differences among predictor-based models were modest. For classifiers, random forest achieved the highest mean accuracy (0.751?±?0.015), kNN achieved the highest PR-AUC (0.797?±?0.016), and logistic regression achieved the highest ROC-AUC (0.835?±?0.005). Participation self-efficacy was the most consistent key predictor of anxiety across models. The most important risk combinations of demographic and psychosocial/symptom variables included age-symptom communication barriers, age-cancer coping self-efficacy, ECOG performance status-depressive symptoms, the type of helper-psychological well-being, and education-psychological well-being.
上述结果来自对五个插补数据集的回归与分类模型性能评估及变量重要性分析。研究人员通过对比OLS线性回归、弹性网络、ABESS/最佳子集选择、GAMs的MSE与MAE，发现弹性网络预测误差最低但各模型差异不大；线性回归MSE?=?69.945?±?8.131、MAE?=?6.636?±?0.361，弹性网络MSE?=?65.486?±?8.323、MAE?=?6.504?±?0.357。分类模型中随机森林准确率最高（0.751?±?0.015），kNN的PR-AUC最高（0.797?±?0.016），logistic回归ROC-AUC最高（0.835?±?0.005），均优于多数类基线。变量重要性方面，癌症行为量表（CBI）的参与医疗护理子量表（Participation in Medical Care）是最一致选择的预测因子，在最佳子集选择中五数据集均入选；Centers for Epidemiologic Studies Depression Scale（CES-D）抑郁症状在四数据集入选且系数较大；排列重要性显示CBI参与维度五数据集均居前，多维生活质量量表-癌症（MQOL-C）心理健康子量表在四数据集居前且平均重要性最大。敏感性分析以STAI=40为切点，kNN准确率最高（0.846?±?0.011），logistic回归ROC-AUC与PR-AUC最高（PR-AUC?=?0.642?±?0.021），预测因子稳定性一致。
对于目的3，研究人员用XGBoost模型的SHAP摘要排序交互效应相对重要性。连续STAI最重要的交互为年龄–症状障碍问卷（SBQ）、年龄–CBI、ECOG–CES-D、年龄–MQOL-C心理健康子量表；二分类STAI最重要的交互为帮助者类型–MQOL-C心理健康子量表、教育–MQOL-C心理健康子量表、年龄–MQOL-C心理健康子量表、教育–CBI参与医疗护理子量表。进一步分析发现，CBI参与医疗护理在连续STAI模型中主要与年龄交互，二分类中与教育交互；CES-D抑郁症状在连续STAI中主要与ECOG交互，其次婚姻状况；MQOL-C心理健康子量表在连续与二分类STAI中均与年龄交互，二分类中与帮助者类型、教育交互。交叉域交互矩阵热图展示预测因子对对模型交互效应的贡献概览。
讨论部分总结：焦虑是活跃癌症治疗患者的常见体验，是疾病负担风险标志物并预测疼痛、疲劳、恶心、抑郁与睡眠障碍，预测焦虑可实现早期风险分层与靶向及时干预以防止症状升级并维持生活质量。研究发现弹性网络预测误差最低但改进有限，随机森林、kNN、logistic回归分别为准确率、PR-AUC、ROC-AUC最优分类器。最一致预测因子为CBI参与医疗护理自我效能、CES-D抑郁症状、MQOL-C心理健康子量表，其中参与医疗护理自我效能反复成为最稳定顶级预测因子，提示通过加强患者参与医疗护理（如扩大治疗团队与患者沟通渠道、主动邀请提问、支持共同决策）可降低焦虑，与癌症应对自我效能是焦虑管理重要中介、更高自我效能关联更低焦虑的证据一致。焦虑与抑郁症状紧密关联，共享负性情感、重复负性思维与睡眠紊乱等机制。最重要跨域交互包括年龄–SBQ、年龄–整体CBI、年龄–心理健康、ECOG–抑郁、教育–心理健康、帮助者类型–心理健康；年龄相关交互提示症状沟通障碍、自我效能与心理健康对焦虑的影响可能因年龄组而异，年轻患者可能感知更多症状沟通障碍、应对库较少使自我效能保护作用较弱，老年常报告更高情绪幸福感与更低心理痛苦；ECOG–抑郁交互表明功能状态可能塑造抑郁症状与焦虑的关系，功能受损或是抑郁症状更易与共病焦虑同现的高风险背景；教育可能修饰心理健康与焦虑的关系，更高知识与赋能关联更好心理健康与更低焦虑；帮助者类型与心理健康交互提示心理健康对焦虑的预测价值取决于可获得支持的来源，临床需评估支持提供者并针对性指导。整合人口学与心理社会领域可产生比单一因素更具信息量的风险画像，反映现实复杂性并检出单维筛查遗漏亚组，凸显个性化支持性照护干预靶点。局限性包括样本以已婚、白人、女性为主限制外推，STAI非诊断工具且切点非通用，多重插补无法完全验证随机缺失假定，仅在内部训练测试集评估性能需独立队列外部验证，模型较基准改进有限需前瞻验证与实施可行性评估。
结论部分翻译：弹性网络模型在预测癌症患者焦虑时较其他模型显示更低预测误差，尽管性能差异不大。对于高 versus 低焦虑分类，随机森林达到最高平均准确率，kNN达到最高PR-AUC，logistic回归达到最高ROC-AUC。参与自我效能是各模型与数据集最稳定的顶级焦虑预测因子。预测焦虑的最强跨域交互模式为年龄–症状沟通障碍、年龄–癌症应对自我效能、ECOG功能状态–抑郁症状、帮助者类型–心理健康、教育–心理健康。这些组合可助力完善临床风险分层并为减轻癌症患者焦虑的更个性化干预提供信息。结果表明肿瘤学焦虑管理不仅应依据痛苦严重程度，还应依据患者参与护理的信心、沟通症状能力、功能状态及可得支持的充足性。临床上支持常规多维筛查与靶向转介路径；政策层面，肿瘤项目可将此类风险指标纳入电子健康记录支持性照护工作流程与质量指标，以促进更早更个体化心理社会干预。
